Un equip investigador de l’Institut Hospital del Mar d’Investigacions Mèdiques (IMIM) ha desenvolupat i validat un model matemàtic que prediu el risc de patir càncer de mama a 20 anys vista.
Per fer-ho, han utilitzat dades de 122.000 dones que van participar en programes de cribratge entre 1995 i 2015 a l’Hospital de la Mar i l’Hospital de Sant Pau. D’aquestes, unes 2000 van ser diagnosticades de càncer de mama durant el període d’estudi.
El model determina el risc a partir de quatre paràmetres:
- Edat
- Antecedents de càncer mama
- Antecedents de lesions benignes
- Antecedents de patró mamogràfic sospitós
Actualment, les mamografies es fan per defecte cada 2 anys a dones entre 50 i 69 anys. “L’objectiu d’aquest estudi – i ja s’està començant a treballar en alguns assajos clínics – és personalitzar això una mica més”, explica Javier Louro, estudiant de doctorat a l’IMIM, en el Grup de recerca en Epidemiologia i Avaluació, i primer autor de l’article. “Potser no és el més efectiu fer mamografies cada dos anys a totes les dones, sinó que, en funció del seu risc, per a algunes haurien de ser cada any i per a unes altres cada tres anys; o si tenen més risc, podrien fer-se una ecografia o ressonància, en lloc de mamografia”.
“Actualment, les mamografies es fan per defecte cada 2 anys a dones entre 50 i 69 anys. Aquest model podria ajudar a augmentar o disminuir aquest interval, segons el risc personal de cada dona”
Javier Louro (IMIM)
Aquest model té el potencial de tenir un impacte real en la qualitat de totes les dones d’entre 50 i 70 anys, ja que a les dones amb menys risc, se’ls cribraria menys sovint, la qual cosa comporta menor risc de falsos positius, mentre que les de major risc se’ls cribraria més sovint, amb el que es detectaria més precoçment el potencial càncer.
Podeu escoltar al Javier Louro explicant aquest estudi a Onda Cero aquí.
Developing and validating an individualized breast cancer risk prediction model for women attending breast cancer screening. Louro J, Román M, Posso M, Vázquez I, Saladié F, et al. (2021). PLOS ONE 16(3): e0248930.